RT Generic
T1 Jupiter: Framework para el uso de modelos de Machine Learning
A1 Fonseca Martínez, Miguel
AB El auge del Deep Learning en la sociedad actual, es un hecho.En la era de la Información, vivimos rodeados de datos y el procesamientode los mismos se convierte en una necesidad clave para poder realizar análisisdetallado de las estrategias de negocio, y poder concretar resultados que puedanser presentados a los accionistas o inversores.Estos análisis siempre se basaban en datos pasados y con predicciones noexactas a largo plazo.Sin embargo, desde hace unos años a ahora, y gracias a la mejora de latecnología, y sobretodo, a la evolución de los dispositivos de computación, dondelas GPU, han recogido el testigo de las CPU en cuanto al procesamiento, hapermitido desarrollar algoritmos de aprendizaje basados en muchas capas o muchasneuronas ( o capas convolucionales ), llamado Deep learning.Gracias a estos avances, se pueden entrenar sistemas que sean capaces depredecir datos, señales e imágenes, con una precisión increíble.De hecho, es posible, gracias al Deep Learning, poder predecir potencialesenfermedades cardiacas, valores de bolsa futuros, reconocimiento de imágenes,generación automática de imágenes, y un infinito etc de posibilidades.Aunque en la introducción de este proyecto, se ha hablado de Deep Learning,el objetivo de este proyecto no es el Deep Learning como tal, si no, proporcionarun Framework y un API intuitivo. A partir de un modelo desde cero, o partiendode un modelo pre-entrenado, poder acceder de la manera mas sencilla al modeloy poder realizar estimaciones o predicciones del mismo, y gracias a este APIaccesible y sencillo de implementar, permitir al investigador y trabajador centrarseen mejorar su modelo, sin que le preocupe cómo implementarlo en un móvil o enla WEB.
YR 2017
FD 2017-07-05
LK https://hdl.handle.net/10016/32783
UL https://hdl.handle.net/10016/32783
LA spa
DS e-Archivo
RD 17 jul. 2024